四川高速公路ETC的现状与思考

本文分析了四川高速公路ETC的现状,阐明了在信息时代下高速公路ETC的必要性,分析了当前ETC应用中存在的不足,提出了互联网+ETC发展的思考。     

GPS动态定位的自适应卡尔曼滤波算法研究

将卡尔曼滤波方法应用于GPS定位解算模型中就可以显著减小定位误差，提高定位精度．但在实际系统中系统状态的精确描述是未知的，在动态滤波中可能会遇到滤波发散和计算发散等问题．在分析了GPS定位误差源的基础上，建立动态GPS定位滤波的一般模型，同时采用了Sage自适应和基于“当前”加速度模型的自适应滤波方法，联合对系统状态噪声方差和量测噪声方差进行自适应修正，有效的解决了动态GPS定位中出现因系统噪声和量测噪声未知而导致的滤波发散问题．同时，联合采用矩阵平方根分解和衰减记忆滤波的方法，有效的解决了误差均方差阵在计算过程中因舍入误差而造成的病态或负定而造成的滤波计算发散问题．计算机仿真结果表明，本算法对滤除随机噪声有良好的效果．     

神经网络辅助动态GPS卡尔曼滤波算法研究

由于传统卡尔曼滤波导航定位的方法定位精度不高，因此本文提出了用前向神经网络来辅助调节卡尔曼滤波器，其中自适应的体现则是利用了神经网络的BP算法。使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准的卡尔曼滤波器。     

浅谈四川高速公路光传送网络的现状与发展

目前,四川省高速公路的通信传输系统基本上是由具有MSTP功能的SDH系统构成。随着全省高速公路建设的迅速发展,高速公路正逐步向"网络化"方向发展。而SDH系统的带宽利用率较低,业务时间配置较长,无法处理紧急事务等缺点显得日益突出。传送网中数据、语音分离的窄带传送方式已经不能适应新的业务要求,高速公路通信系统的建设正朝着能够适应多媒体IP业务、能够处理突发性的数据业务以及能够满足ETC(不停车电子收费系统)联网运营管理要求的方向发展。光网络的快速发展和实用化,为高速公路通信网的演进提供了新的升级改造和发展机遇。     

动态GPS卡尔曼滤波中的神经网络算法研究

GPS导航系统噪声具有非先验性,而传统的卡尔曼滤波器要求假设动态模型和观测模型的噪声统计特性已知,因此传统卡尔曼滤波导航定位的方法定位精度不高.本文提出采用前向神经网络辅助调节卡尔曼滤波器,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其具有自适应能力以应付动态环境的扰动,其中自适应利用神经网络的BP算法得以实现.仿真研究表明:该算法优于普通的卡尔曼滤波器.